采用深度置信网络的恐怖袭击事件量化分级研究

• 作者: 赵敏 赵芸
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 数据处理 恐怖袭击 深度置信网络(DBN) 特征提取 降维
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 173-176
• 页数: 4页
• 分类号: TP319
• 字数: 3121字
• 语种: 中文
• DOI: 10.11907/rjdk.182618

摘要

恐怖袭击不但会造成大量人员伤亡和财产损失,还会造成群众恐慌,对社会稳定有很大影响.旨在从数据分析角度,依据相关数据对恐怖袭击中蕴藏的信息加以分析,为防恐反恐提供有用信息.针对基于危害的恐怖袭击事件分级,根据GTD上1998-2017年数据信息进行数据提取,考虑到很多变量大面积缺失数据,首先对这些变量的重要性作简易评估并进行删减,然后对数据进行清洗和补充,最后根据特征提取和降维后的数据,分出事件对应的恐怖袭击级别.结果表明,深度学习中的深度置信网络(DBN)可以用于提取和减少预处理数据,且DBN可自动实现上述功能,无需太多人为干预.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵敏	上海理工大学光电信息与计算机工程学院	22	58	5.0	6.0
2	赵芸	上海理工大学光电信息与计算机工程学院	2	7	1.0	2.0